寻求帮助吗？
在我们的知识库中搜索答案
搜索...
EmotivPRO 会自动从收集的 EEG 数据中去除伪影吗？
工件
在使用 EEG 头戴设备时，一些信号可能会干扰脑波测量。这些不需要的信号被称为 “工件”，主要有两种类型：
内源工件：这些工件是由来自您身体的正常生物信号引起的，例如：
面部、颈部和下颌肌肉活动：微笑、咬紧牙关、皱眉、眨眼、眨眼、咀嚼、说话、转头（颈部肌肉）。每个肌肉群与某些 EEG 传感器的距离更近，而与其他传感器的距离则更远，因此在每个位置检测到的信号是不同的，使得去除工件变得更加困难。事实上，Emotiv 使用信号处理和机器学习方法来理清肌肉信号的分布，以推断出正在激活的肌肉组，从而识别您的面部表情！
眼球活动：每只眼球的后表面（视网膜、视神经）有大量神经，而前表面几乎没有神经。实际上，您的眼球就像一个大型偶极子，前后电荷不平衡。当您的眼睛在眼眶中旋转时，偶极场的方向会改变，指向您正在注视的地方，并被检测为背景生物电位的变化，这种变化相对于每个 EEG 传感器的角度不同——这意味着它在传感器间并不是一样的信号。控制眼球旋转的肌肉还会产生额外的信号工件。
心脏信号：您的心脏是一个重要的原始肌肉信号来源，有时会通过部分或全部 EEG 通道被直接检测，类似于心电图的记录。特征性的 P-Q-R-S-T 复合波有时会在一些 EEG 通道中直接观察到。第二种心脏工件来源于随着心脏泵血通过动脉而膨胀和收缩的大血管。动脉壁是肌肉，随着心跳的节奏膨胀和收缩而产生次要信号。最后，如果您将传感器直接放置在主要动脉旁边，传感器可能会因血管的形状和大小的变化而机械性地移位，导致传感器在皮肤表面上的节奏性移动，这会改变接触阻抗，并在循环模式下诱导虚假的电压。
这些动作产生了肌肉、眼睛和其他生物信号，这些信号可能与脑波数据混合。通常，这些生物信号显著大于脑信号，除非进行某种形式的过滤和源分离，否则很难检测到脑活动。
内源工件可分为特定的、可预测的类别，并且有许多预处理工具可以针对性地去除它们。最常用的方法是独立成分分析 (ICA，许多库中均可用，例如 EEGLab、NME 等)，以及工件子空间重建方法 (ASR、rASR，比 ICA 更高效)。这些模型依赖于将时间序列信号分解为不同的成分，然后从与各类工件无关的这些成分的子集重组信号。
Emotiv 的 EEG 数据以尽可能干净的形式传送到主机 PC，但未去除可能对不同用户感兴趣的内源生物信号工件，同时也增强了 ICA 和 rASR 方法去除已知类别内源工件的能力，因为其信号不会受到设备端过滤的扭曲。
外源工件：这些来自外部来源，例如：
传感器滑动、头戴设备在头上移动或被碰撞
来自家电、计算机和其他设备、变压器和电线的辐射电场，特别是在电力线频率 (50/60 Hz) 及其谐波倍数上。电力线噪声通常是 EEG 信号中最强的工件来源。
所有现代 EEG 系统都使用以固定采样频率工作的模拟-数字信号转换器。数字采样的一个众所周知的现象是混叠，当采样系统遇到频率分量高于采样频率的 50%（即奈奎斯特频率）时就会发生。例如，在 128Hz 采样时，奈奎斯特频率为 64Hz，稍微高于 60Hz 电力线频率。然而，60Hz 的谐波：[120Hz、180Hz、240Hz，……] “围绕” 奈奎斯特频率而出现，在 8Hz、24Hz、16Hz 等处出现虚假或 “混叠” 信号，因为数字系统在每秒、三分之一、四分之一 …… 这些高频信号的周期中采样。电力线辐射的高谐波存在，因为电力系统中的电流和辐射场很少是完美的正弦波。通常，能够在大约第十个谐波检测到相当大的辐射功率。这些混叠的高频信号在大脑信号的典型范围内与真实的低频振荡不可区分。因此，必须在信号呈现给采样系统之前将它们从输入信号中移除。
来自附近带电物体和人员的静电场：积累的静电电荷可能导致您与其他人及周围物体之间产生数千伏的电位差。例如，一个带正电的物体会吸引您身体中的负电荷，并向该物体移动，而负电荷会被排斥，导致不同 EEG 传感器下身体电位的分布不均匀。Emotiv 设备采用交流耦合传感（模拟高通滤波），并配有单一参考点，最大程度地解除不均匀的静电电荷分布。然而，如果您或任何一个带电源移动，这种电荷会在您的身体上移动，导致变化的电位，可能快到可以通过滤波器传输。
如果您吸附电荷或快速放电，例如在地毯上行走或触摸金属物体时，您的静电潜力可能会缓慢或瞬时变化，甚至可能产生火花。您身体的电位可能在瞬间、几秒钟或更长时间内变化数万伏。这些变化可能暂时压倒可穿戴 EEG 系统中的身体电位取消电路，导致 EEG 信号中产生大幅峰值和缓慢恢复。
基于实验室的 EEG 系统可以防护许多这些工件，例如通过限制受试者的运动，电气屏蔽实验室，附加接地线以防止电静电积聚，非常高的采样频率等。
可穿戴的、电池供电的无线 EEG 系统无法依赖这些措施，因此必须使用一系列的减轻策略。数据传输速率必须与电池寿命相平衡，因为无线发射器的功耗相当高。
减少干扰
EEG 头戴设备旨在最小化不必要的噪声。大多数外源噪声源，如静电和电磁干扰（例如，来自电力线的 50/60 Hz 噪声和谐波）表现为共模噪声，其基础身体电位大致以相同方式在所有传感器间振荡。
Emotiv 设备使用单点参考传感器 (CMS) 来测量身体电位，结合模拟域中的主动消除系统（CMS 信号被反转并反馈到 DRL 传感器，以消除共模振荡并得出低噪声 EEG 参考水平，用于差分输入放大器。高通（交流耦合）和低通模拟滤波器（抗混叠模拟滤波器），2048Hz 的显著过采样，随后在数字域中进行连续的子奈奎斯特数字过滤，50/60Hz 双陷波过滤和下采样到数据传输频率（128 或 256Hz）在耳机中的 DSP 处理器上。这些措施在头戴设备正确过滤并且接触阻抗较低时，将大多数外源噪声源衰减到不可检测的水平。
通过我们的机械设计，运动工件得以最小化，该设计独立支持每个传感器并根据每个用户的大小和形状进行调整。
EmotivPRO 如何处理数据
EmotivPRO 中的 EEG 数据正是从头戴设备接收的。软件不会自动去除肌肉或眼睛运动产生的工件，因为数据清洗技术（如 ICA）在原始、未过滤的数据上效果更好。然而，如上所述，Emotiv 头戴设备应用精心设计的信号处理，在头戴设备良好接触时，有助于生成干净信号，从而使脑波数据更容易分析。
这篇文章对您有帮助吗？
找不到您需要的东西吗？
我们的支持团队只需轻轻一点击。
寻求帮助吗？
搜索...
知识库
EmotivPRO 会自动从收集的 EEG 数据中去除伪影吗？
工件
在使用 EEG 头戴设备时，一些信号可能会干扰脑波测量。这些不需要的信号被称为 “工件”，主要有两种类型：
内源工件：这些工件是由来自您身体的正常生物信号引起的，例如：
面部、颈部和下颌肌肉活动：微笑、咬紧牙关、皱眉、眨眼、眨眼、咀嚼、说话、转头（颈部肌肉）。每个肌肉群与某些 EEG 传感器的距离更近，而与其他传感器的距离则更远，因此在每个位置检测到的信号是不同的，使得去除工件变得更加困难。事实上，Emotiv 使用信号处理和机器学习方法来理清肌肉信号的分布，以推断出正在激活的肌肉组，从而识别您的面部表情！
眼球活动：每只眼球的后表面（视网膜、视神经）有大量神经，而前表面几乎没有神经。实际上，您的眼球就像一个大型偶极子，前后电荷不平衡。当您的眼睛在眼眶中旋转时，偶极场的方向会改变，指向您正在注视的地方，并被检测为背景生物电位的变化，这种变化相对于每个 EEG 传感器的角度不同——这意味着它在传感器间并不是一样的信号。控制眼球旋转的肌肉还会产生额外的信号工件。
心脏信号：您的心脏是一个重要的原始肌肉信号来源，有时会通过部分或全部 EEG 通道被直接检测，类似于心电图的记录。特征性的 P-Q-R-S-T 复合波有时会在一些 EEG 通道中直接观察到。第二种心脏工件来源于随着心脏泵血通过动脉而膨胀和收缩的大血管。动脉壁是肌肉，随着心跳的节奏膨胀和收缩而产生次要信号。最后，如果您将传感器直接放置在主要动脉旁边，传感器可能会因血管的形状和大小的变化而机械性地移位，导致传感器在皮肤表面上的节奏性移动，这会改变接触阻抗，并在循环模式下诱导虚假的电压。
这些动作产生了肌肉、眼睛和其他生物信号，这些信号可能与脑波数据混合。通常，这些生物信号显著大于脑信号，除非进行某种形式的过滤和源分离，否则很难检测到脑活动。
内源工件可分为特定的、可预测的类别，并且有许多预处理工具可以针对性地去除它们。最常用的方法是独立成分分析 (ICA，许多库中均可用，例如 EEGLab、NME 等)，以及工件子空间重建方法 (ASR、rASR，比 ICA 更高效)。这些模型依赖于将时间序列信号分解为不同的成分，然后从与各类工件无关的这些成分的子集重组信号。
Emotiv 的 EEG 数据以尽可能干净的形式传送到主机 PC，但未去除可能对不同用户感兴趣的内源生物信号工件，同时也增强了 ICA 和 rASR 方法去除已知类别内源工件的能力，因为其信号不会受到设备端过滤的扭曲。
外源工件：这些来自外部来源，例如：
传感器滑动、头戴设备在头上移动或被碰撞
来自家电、计算机和其他设备、变压器和电线的辐射电场，特别是在电力线频率 (50/60 Hz) 及其谐波倍数上。电力线噪声通常是 EEG 信号中最强的工件来源。
所有现代 EEG 系统都使用以固定采样频率工作的模拟-数字信号转换器。数字采样的一个众所周知的现象是混叠，当采样系统遇到频率分量高于采样频率的 50%（即奈奎斯特频率）时就会发生。例如，在 128Hz 采样时，奈奎斯特频率为 64Hz，稍微高于 60Hz 电力线频率。然而，60Hz 的谐波：[120Hz、180Hz、240Hz，……] “围绕” 奈奎斯特频率而出现，在 8Hz、24Hz、16Hz 等处出现虚假或 “混叠” 信号，因为数字系统在每秒、三分之一、四分之一 …… 这些高频信号的周期中采样。电力线辐射的高谐波存在，因为电力系统中的电流和辐射场很少是完美的正弦波。通常，能够在大约第十个谐波检测到相当大的辐射功率。这些混叠的高频信号在大脑信号的典型范围内与真实的低频振荡不可区分。因此，必须在信号呈现给采样系统之前将它们从输入信号中移除。
来自附近带电物体和人员的静电场：积累的静电电荷可能导致您与其他人及周围物体之间产生数千伏的电位差。例如，一个带正电的物体会吸引您身体中的负电荷，并向该物体移动，而负电荷会被排斥，导致不同 EEG 传感器下身体电位的分布不均匀。Emotiv 设备采用交流耦合传感（模拟高通滤波），并配有单一参考点，最大程度地解除不均匀的静电电荷分布。然而，如果您或任何一个带电源移动，这种电荷会在您的身体上移动，导致变化的电位，可能快到可以通过滤波器传输。
如果您吸附电荷或快速放电，例如在地毯上行走或触摸金属物体时，您的静电潜力可能会缓慢或瞬时变化，甚至可能产生火花。您身体的电位可能在瞬间、几秒钟或更长时间内变化数万伏。这些变化可能暂时压倒可穿戴 EEG 系统中的身体电位取消电路，导致 EEG 信号中产生大幅峰值和缓慢恢复。
基于实验室的 EEG 系统可以防护许多这些工件，例如通过限制受试者的运动，电气屏蔽实验室，附加接地线以防止电静电积聚，非常高的采样频率等。
可穿戴的、电池供电的无线 EEG 系统无法依赖这些措施，因此必须使用一系列的减轻策略。数据传输速率必须与电池寿命相平衡，因为无线发射器的功耗相当高。
减少干扰
EEG 头戴设备旨在最小化不必要的噪声。大多数外源噪声源，如静电和电磁干扰（例如，来自电力线的 50/60 Hz 噪声和谐波）表现为共模噪声，其基础身体电位大致以相同方式在所有传感器间振荡。
Emotiv 设备使用单点参考传感器 (CMS) 来测量身体电位，结合模拟域中的主动消除系统（CMS 信号被反转并反馈到 DRL 传感器，以消除共模振荡并得出低噪声 EEG 参考水平，用于差分输入放大器。高通（交流耦合）和低通模拟滤波器（抗混叠模拟滤波器），2048Hz 的显著过采样，随后在数字域中进行连续的子奈奎斯特数字过滤，50/60Hz 双陷波过滤和下采样到数据传输频率（128 或 256Hz）在耳机中的 DSP 处理器上。这些措施在头戴设备正确过滤并且接触阻抗较低时，将大多数外源噪声源衰减到不可检测的水平。
通过我们的机械设计，运动工件得以最小化，该设计独立支持每个传感器并根据每个用户的大小和形状进行调整。
EmotivPRO 如何处理数据
EmotivPRO 中的 EEG 数据正是从头戴设备接收的。软件不会自动去除肌肉或眼睛运动产生的工件，因为数据清洗技术（如 ICA）在原始、未过滤的数据上效果更好。然而，如上所述，Emotiv 头戴设备应用精心设计的信号处理，在头戴设备良好接触时，有助于生成干净信号，从而使脑波数据更容易分析。
这篇文章对您有帮助吗？
找不到您需要的东西吗？
我们的支持团队只需轻轻一点击。
寻求帮助吗？
搜索...
知识库
EmotivPRO 会自动从收集的 EEG 数据中去除伪影吗？
工件
在使用 EEG 头戴设备时，一些信号可能会干扰脑波测量。这些不需要的信号被称为 “工件”，主要有两种类型：
内源工件：这些工件是由来自您身体的正常生物信号引起的，例如：
面部、颈部和下颌肌肉活动：微笑、咬紧牙关、皱眉、眨眼、眨眼、咀嚼、说话、转头（颈部肌肉）。每个肌肉群与某些 EEG 传感器的距离更近，而与其他传感器的距离则更远，因此在每个位置检测到的信号是不同的，使得去除工件变得更加困难。事实上，Emotiv 使用信号处理和机器学习方法来理清肌肉信号的分布，以推断出正在激活的肌肉组，从而识别您的面部表情！
眼球活动：每只眼球的后表面（视网膜、视神经）有大量神经，而前表面几乎没有神经。实际上，您的眼球就像一个大型偶极子，前后电荷不平衡。当您的眼睛在眼眶中旋转时，偶极场的方向会改变，指向您正在注视的地方，并被检测为背景生物电位的变化，这种变化相对于每个 EEG 传感器的角度不同——这意味着它在传感器间并不是一样的信号。控制眼球旋转的肌肉还会产生额外的信号工件。
心脏信号：您的心脏是一个重要的原始肌肉信号来源，有时会通过部分或全部 EEG 通道被直接检测，类似于心电图的记录。特征性的 P-Q-R-S-T 复合波有时会在一些 EEG 通道中直接观察到。第二种心脏工件来源于随着心脏泵血通过动脉而膨胀和收缩的大血管。动脉壁是肌肉，随着心跳的节奏膨胀和收缩而产生次要信号。最后，如果您将传感器直接放置在主要动脉旁边，传感器可能会因血管的形状和大小的变化而机械性地移位，导致传感器在皮肤表面上的节奏性移动，这会改变接触阻抗，并在循环模式下诱导虚假的电压。
这些动作产生了肌肉、眼睛和其他生物信号，这些信号可能与脑波数据混合。通常，这些生物信号显著大于脑信号，除非进行某种形式的过滤和源分离，否则很难检测到脑活动。
内源工件可分为特定的、可预测的类别，并且有许多预处理工具可以针对性地去除它们。最常用的方法是独立成分分析 (ICA，许多库中均可用，例如 EEGLab、NME 等)，以及工件子空间重建方法 (ASR、rASR，比 ICA 更高效)。这些模型依赖于将时间序列信号分解为不同的成分，然后从与各类工件无关的这些成分的子集重组信号。
Emotiv 的 EEG 数据以尽可能干净的形式传送到主机 PC，但未去除可能对不同用户感兴趣的内源生物信号工件，同时也增强了 ICA 和 rASR 方法去除已知类别内源工件的能力，因为其信号不会受到设备端过滤的扭曲。
外源工件：这些来自外部来源，例如：
传感器滑动、头戴设备在头上移动或被碰撞
来自家电、计算机和其他设备、变压器和电线的辐射电场，特别是在电力线频率 (50/60 Hz) 及其谐波倍数上。电力线噪声通常是 EEG 信号中最强的工件来源。
所有现代 EEG 系统都使用以固定采样频率工作的模拟-数字信号转换器。数字采样的一个众所周知的现象是混叠，当采样系统遇到频率分量高于采样频率的 50%（即奈奎斯特频率）时就会发生。例如，在 128Hz 采样时，奈奎斯特频率为 64Hz，稍微高于 60Hz 电力线频率。然而，60Hz 的谐波：[120Hz、180Hz、240Hz，……] “围绕” 奈奎斯特频率而出现，在 8Hz、24Hz、16Hz 等处出现虚假或 “混叠” 信号，因为数字系统在每秒、三分之一、四分之一 …… 这些高频信号的周期中采样。电力线辐射的高谐波存在，因为电力系统中的电流和辐射场很少是完美的正弦波。通常，能够在大约第十个谐波检测到相当大的辐射功率。这些混叠的高频信号在大脑信号的典型范围内与真实的低频振荡不可区分。因此，必须在信号呈现给采样系统之前将它们从输入信号中移除。
来自附近带电物体和人员的静电场：积累的静电电荷可能导致您与其他人及周围物体之间产生数千伏的电位差。例如，一个带正电的物体会吸引您身体中的负电荷，并向该物体移动，而负电荷会被排斥，导致不同 EEG 传感器下身体电位的分布不均匀。Emotiv 设备采用交流耦合传感（模拟高通滤波），并配有单一参考点，最大程度地解除不均匀的静电电荷分布。然而，如果您或任何一个带电源移动，这种电荷会在您的身体上移动，导致变化的电位，可能快到可以通过滤波器传输。
如果您吸附电荷或快速放电，例如在地毯上行走或触摸金属物体时，您的静电潜力可能会缓慢或瞬时变化，甚至可能产生火花。您身体的电位可能在瞬间、几秒钟或更长时间内变化数万伏。这些变化可能暂时压倒可穿戴 EEG 系统中的身体电位取消电路，导致 EEG 信号中产生大幅峰值和缓慢恢复。
基于实验室的 EEG 系统可以防护许多这些工件，例如通过限制受试者的运动，电气屏蔽实验室，附加接地线以防止电静电积聚，非常高的采样频率等。
可穿戴的、电池供电的无线 EEG 系统无法依赖这些措施，因此必须使用一系列的减轻策略。数据传输速率必须与电池寿命相平衡，因为无线发射器的功耗相当高。
减少干扰
EEG 头戴设备旨在最小化不必要的噪声。大多数外源噪声源，如静电和电磁干扰（例如，来自电力线的 50/60 Hz 噪声和谐波）表现为共模噪声，其基础身体电位大致以相同方式在所有传感器间振荡。
Emotiv 设备使用单点参考传感器 (CMS) 来测量身体电位，结合模拟域中的主动消除系统（CMS 信号被反转并反馈到 DRL 传感器，以消除共模振荡并得出低噪声 EEG 参考水平，用于差分输入放大器。高通（交流耦合）和低通模拟滤波器（抗混叠模拟滤波器），2048Hz 的显著过采样，随后在数字域中进行连续的子奈奎斯特数字过滤，50/60Hz 双陷波过滤和下采样到数据传输频率（128 或 256Hz）在耳机中的 DSP 处理器上。这些措施在头戴设备正确过滤并且接触阻抗较低时，将大多数外源噪声源衰减到不可检测的水平。
通过我们的机械设计，运动工件得以最小化，该设计独立支持每个传感器并根据每个用户的大小和形状进行调整。
EmotivPRO 如何处理数据
EmotivPRO 中的 EEG 数据正是从头戴设备接收的。软件不会自动去除肌肉或眼睛运动产生的工件，因为数据清洗技术（如 ICA）在原始、未过滤的数据上效果更好。然而，如上所述，Emotiv 头戴设备应用精心设计的信号处理，在头戴设备良好接触时，有助于生成干净信号，从而使脑波数据更容易分析。
这篇文章对您有帮助吗？
找不到您需要的东西吗？
我们的支持团队只需轻轻一点击。